检索结果-南通市图书馆

“植物病害生物防治学”教学改革与实践创新探索

在线全文

学校读者我要写书评

暂无评论

草业科学 2019年第9期36卷 2433-2440页

作者：张树武薛应钰刘佳徐秉良甘肃农业大学植物保护学院/甘肃省农作物病虫害生物防治工程实验室

“植物病害生物防治学”是一门紧密围绕绿色农业和可持续发展理念,逐渐发展起来的新兴课程。本文紧密结合当前农业生产实际、植物病害生物防治学的发展前沿与课程特点,以及过去教学与实践中存在的课程教学资源匮乏、教学方法传统和实践... 详细信息

“植物病害生物防治学”是一门紧密围绕绿色农业和可持续发展理念,逐渐发展起来的新兴课程。本文紧密结合当前农业生产实际、植物病害生物防治学的发展前沿与课程特点,以及过去教学与实践中存在的课程教学资源匮乏、教学方法传统和实践教学创新环节薄弱等问题,重点通过加强课程教学资源建设、教学方法创新、实践能力培养和考核体系改革等为核心的探索,提出了“植物病害生物防治学”课程的教学改革与实践创新见解。实施结果表明,改革显著激发了学生学习的主动性,增强了实践能力,提高了学生的满意度和教学质量,进一步促使学生系统掌握植物病害生物防治的方法和提高利用所学知识解决实际生产问题的能力。

关键词：植物病害生物防治教材建设知识体系考核体系教学改革实践创新

在线全文

学校读者我要写书评

暂无评论

植物病害生防因子的作用机制及应用进展

中国植保导刊 2019年第3期39卷 23-28页

作者：刘亚苓于营雷慧霞崔丽丽张新静吴健勇郭靖中国农业科学院特产研究所吉林长春130112

应用植物病害生防因子是解决化学农药3R问题、促进农业绿色发展的有效途径。本文概述了拮抗微生物、抗生素、植物诱导子等生防因子控制植物病害的作用机制和应用研究进展,分析了生防因子应用存在的问题,并对植物病害生物防治的未来发展... 详细信息

应用植物病害生防因子是解决化学农药3R问题、促进农业绿色发展的有效途径。本文概述了拮抗微生物、抗生素、植物诱导子等生防因子控制植物病害的作用机制和应用研究进展,分析了生防因子应用存在的问题,并对植物病害生物防治的未来发展方向进行了展望。

关键词：植物病害拮抗微生物农用抗生素植物诱导子

植物病害诊断技术在植物病理学教学实习中的应用

在线全文

学校读者我要写书评

暂无评论

中国现代教育装备 2023年第3期 134-136页

作者：杨广玲山东农业大学植物保护学院山东泰安271018

教学实习是植物病理学课程中重要的教学环节,植物病害诊断是将植物病理学基础知识和基本理论运用到为农业生产服务的实践中,是对生病农作物进行诊治处理的前提。在教学实习中,根据各类病害病原物的致病特点和种类,灵活选用适用的植物病... 详细信息

教学实习是植物病理学课程中重要的教学环节,植物病害诊断是将植物病理学基础知识和基本理论运用到为农业生产服务的实践中,是对生病农作物进行诊治处理的前提。在教学实习中,根据各类病害病原物的致病特点和种类,灵活选用适用的植物病害诊断方法对所采集的植物病害标本进行准确的鉴定,是病害标本制作的主要技能。通过教学实习中对植物病害标本的鉴定和诊断,培养了学生的观察能力、动手能力及协作能力,提高了学生的综合素质。

关键词：植物病害诊断技术植物病理学教学实习

在线全文

学校读者我要写书评

暂无评论

植物病害对中国豆科牧草及家畜生产的影响

家畜生态学报 2019年第2期40卷 1-7页

作者：闫智臣古丽君李应德段廷玉兰州大学草地农业科技学院草地农业生态系统国家重点实验室农业农村部草牧业创新重点实验室甘肃兰州730020

豆科植物是重要的饲用及绿肥作物,植物病害是豆科牧草生产的重要限制因素。本研究基于CNKI和Web of Science数据库,将近年来中国学者对豆科牧草病害的研究进行了分析,豆科牧草病害田间发病率可达1.1%～100.0%,牧草降低产量3.0%～70.0%;... 详细信息

豆科植物是重要的饲用及绿肥作物,植物病害是豆科牧草生产的重要限制因素。本研究基于CNKI和Web of Science数据库,将近年来中国学者对豆科牧草病害的研究进行了分析,豆科牧草病害田间发病率可达1.1%～100.0%,牧草降低产量3.0%～70.0%;粗蛋白和粗脂肪分别下降18.3%～37.5%和19.9%～38.2%,氨基酸含量降低17.4%～50.0%,粗纤维增加13.0%～44.3%;病害亦可影响牧草生理生化,如显著降低抗坏血酸、赤霉素(GA)、水杨酸(SA)、脱落酸(ABA)等含量,增加丙二醛(MDA)、苯丙氨酸解氨酶(PAL)、过氧化氢酶(CAT)、过氧化物酶(POD)、超氧化物歧化酶(SOD)等酶活性30.0%以上;一些病害可产生毒素或雌性激素类物质,引致家畜中毒,降低家畜生产性能。同时对该领域的研究进行了展望,对今后研究提出了建议。

关键词：植物病害豆科牧草家畜草地农业生态系统

在线全文

学校读者我要写书评

暂无评论

植物病害生防细菌研究进展

河南农业科学 2015年第10期44卷 1-7页

作者：李俊州文才艺河南农业大学植物保护学院河南郑州450002

细菌是植物病害生物防治的理想因子。综述了植物病害生防细菌筛选途径、筛选技术以及生防机制等方面的研究进展,指出了目前在植物病害生防细菌研究中存在的问题,并从生防细菌的筛选途径与技术、基础研究和遗传改良等方面提出了相应的对策。

关键词：植物病害生物防治生防细菌筛选生防机制遗传改良

在线全文

学校读者我要写书评

暂无评论

植物病害监测预警新技术研究进展

植物保护 2016年第3期42卷 1-7页

作者：曹学仁周益林中国农业科学院植物保护研究所植物病虫害生物学国家重点实验室北京100193 中国热带农业科学院环境与植物保护研究所农业部热带作物有害生物综合治理重点实验室海口571101

植物病害监测预警对病害防治和管理具有重要的意义,本文综述了"3S"技术、孢子捕捉技术、轨迹分析技术、分子生物学技术等在植物病害监测预警研究中的应用,同时探讨了本研究领域的发展方向。

关键词：植物病害监测预警 “3S”技术孢子捕捉分子生物学

在线全文

学校读者我要写书评

暂无评论

面向移动端的植物病害图像识别方法及其应用

江苏农业科学 2023年第4期51卷 191-197页

作者：杨祥段军明董明刚桂林理工大学信息科学与工程学院广西桂林541000

针对传统卷积神经网络(CNN)在病害图像识别时需要较高的存储空间和计算资源问题,提出一种基于轻量级CNN植物病害图像识别网络CSP-ShuffleNet V2来降低识别成本。CSP-ShuffleNet V2模型基于ShuffleNet V2网络,首先,将卷积核大小由3×3改... 详细信息

针对传统卷积神经网络(CNN)在病害图像识别时需要较高的存储空间和计算资源问题,提出一种基于轻量级CNN植物病害图像识别网络CSP-ShuffleNet V2来降低识别成本。CSP-ShuffleNet V2模型基于ShuffleNet V2网络,首先,将卷积核大小由3×3改为5×5扩大病斑图像全局感受野;其次,采用CSPNet结构来改进网络特征层;最后,再引入通道注意力(ECA)模块用于增强图像病斑通道特征信息。采用AI Challenger平台提供的公共植物病害数据集进行训练和测试。试验结果表明,CSP-ShuffleNet V2网络模型识别准确率为90.34%,比原始ShuffleNet V2网络模型提高2.23%,参数量也减少29.6%,权重大小仅为13.5 MB。与ResNet50、MobileNet V2、GoogleNet、DenseNet121网络相比,CSP-ShuffleNet V2网络不仅降低了网络计算量和参数量,而且收敛速度更快、分类效果更好。最终将模型离线部署在Android平台实现了植物病害移动端智能检测,为植物病害防治和诊断提供参考依据。

关键词：卷积神经网络植物病害 ShuffleNet V2 图像识别 CSPNet ECA

在线全文

学校读者我要写书评

暂无评论

基于深度学习的植物病害识别模型研究与实现

基于深度学习的植物病害识别模型研究与实现

作者：刘昱彤南京邮电大学

学位级别：硕士

植物病害的自动识别对我国农业发展十分重要,快速高效的识别方法可以大大减少植物病害对农业从业者造成的经济损失。针对植物病害图像识别问题,利用深度学习网络可以以端到端的方式学习,从而获得更好的识别效果和更高的识别效率。本文... 详细信息

植物病害的自动识别对我国农业发展十分重要,快速高效的识别方法可以大大减少植物病害对农业从业者造成的经济损失。针对植物病害图像识别问题,利用深度学习网络可以以端到端的方式学习,从而获得更好的识别效果和更高的识别效率。本文以深度学习方法为基础,引入动态领域自适应方法来解决植物病害图像识别任务中样本数据量少的问题,引入基于Transformer的细粒度识别方法来解决同类植物不同病害之间难以识别的问题。本文主要做了以下三个方面的工作:首先,现实中植物病害识别任务提供的数据多为无标签数据或部分有标签数据,这为深度网络的学习带来了困难。借助迁移学习的方法可以将从源域数据中学习到的知识迁移到目标任务的学习中,以缓解目标任务中有标签数据不足的问题。为了在迁移过程中减小源域和目标域间的图像数据差异,本文提出基于深度动态联合自适应网络的植物病害识别方法。该方法对网络进行训练时,首先在多层网络结构中利用域间动态联合自适应分析了边缘分布与条件分布的相对重要性,完成针对性的数据分布自适应,然后利用熵最小化原则使学习的目标分类器穿过目标域的低密度区域。经过实验验证该方法提高了植物病害识别任务中对目标域图像的识别精度。其次,同类植物的不同病害分类任务属于细粒度识别任务,具有类内差异高、类间差异低的特点,比一般的识别任务更具挑战性。为了更好地获得图像的细粒度表示特征,本文提出了基于双线性Transformer交互网络的植物病害细粒度识别方法。该方法首先利用Transformer网络结构提取特征,并在特征提取时根据网络权重挑选出更能表示图像关键信息的特征,其次对挑选出来的特征进行自交互从而增强特征的表示能力,然后为了更好地判断图像之间的差异,基于同类图像利用双线性结构完成对比交互,最后将增强过的特征进行融合,并将融合后的特征输入分类器完成分类。经过实验验证该方法提高了植物病害和鸟类细粒度识别任务的准确率。最后,本文针对植物病害识别任务,综合以上提出的两种植物病害识别方法设计并实现了植物病害识别原型系统。该系统可以将本地图像上传到网页端,并且做出准确的识别,同时还有同类病害图像展示和用户反馈的功能。

关键词：植物病害图像识别迁移学习深度学习细粒度识别

基于实例置信度推断的半监督小样本植物病害图像识别

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

江苏农业科学 2022年第12期50卷 229-237页

作者：孔江波朱贺张延文黄建平东北林业大学机电工程学院黑龙江哈尔滨150040

植物病害影响农业生产的产量和质量。针对现有小样本植物病害识别方法大多数都是基于监督式学习模型以及少数半监督学习方法未判别伪标注样本的可信度的问题,提出一种基于实例置信度推断的半监督学习小样本植物病害图像识别方法。首先构... 详细信息

植物病害影响农业生产的产量和质量。针对现有小样本植物病害识别方法大多数都是基于监督式学习模型以及少数半监督学习方法未判别伪标注样本的可信度的问题,提出一种基于实例置信度推断的半监督学习小样本植物病害图像识别方法。首先构建ResNet-12网络提取有标注样本和无标注样本的特征;其次利用极少数有标签的植物病害样本训练SVM分类器,用分类器推断无标注样本的类别并赋予伪标签;然后采用实例置信度推断(ICI)算法获取伪标注样本的置信度,迭代选择可信的伪标签样本加入训练拓展支持集;最后应用训练后的网络模型对植物病害图像进行识别。该方法能够反映无标注病害样本的真实分布,迭代选择最可信的伪标注样本进行模型训练,从而提高模型的识别性能。试验采用Plant Village公开数据集进行10-way-5-shot试验。结果显示:在unlabel=50的情况下识别准确率为89.34%,病害的各项评价指标均随着无标注样本数量的增加而增加。结果表明本研究提出的方法从无标注样本中获取到的信息是鲁棒的,且识别准确率优于传统迁移学习,能有效提升小样本条件下植物病害图像的识别效果。

关键词：植物病害半监督学习识别小样本学习深度学习置信度推断